边缘检测是边界分割方法中一种最基本的处理方法，有很强的实用价值。而小波分析是处理非平稳信号的重要工具，已被成功应用到边缘检测中，并发挥着越来越重要的作用。此外，还有一些常用的经典边缘检测算子，它们大都是微分算子。而微分算子虽然运行简单，但去噪效果并不理想。噪声是影响边缘检测结果的主要因素之一，为有效地达到去噪的目的，本文利用传统的Sobel算子和小波变换边缘检测算法提出新的边缘检测方法。具体工作如下:　　首先，由于传统的Sobel算子是一种基于导数微分的算子，对噪声有很强的敏感性，所以当图像包含大量噪声时，很难有效地区分边缘点和噪声点。为此，本文利用多尺度形态学滤波对含噪声图像平滑处理，改进原有的Sobel算子，最终的边缘图像不仅明显降低了噪声的影响，保持了边缘强度和较为完整的细节信息，获得了更为满意的主观效果，而且利用客观评价标准，峰值信噪比、相关系数、扭曲程度与传统的Sobel算子比较也均有了一定程度的改善。　　其次，对于含有椒盐噪声的图像，利用传统的小波变换会检测出大量的噪声点。因此，本文将不同尺度的形态学结构元素与小波变换结合运用，使得改进后的小波变换不但很好地滤除了椒盐噪声，提取的边缘比较连续，包含的信息也更为丰富，而且客观上与传统的小波变换相比，峰值信噪比、相关系数、扭曲程度也有了明显地改进。　　最后，因为改进的Sobel算子峰值信噪比、相关系数、扭曲程度较好，而与形态学结合的小波变换在信息熵、平均梯度上效果更优，比较两种改进方法各有利弊，所以，本文将获得的边缘图像进行融合。实验表明，融合图像与改进的Sobel算子相比，信息熵，平均梯度有了明显提高，与改进的小波边缘检测方法相比，峰值信噪比、扭曲程度得以改进，将两者的优点集中起来，优势互补，最后达到了图像去噪良好和边缘提取完整的效果。